• 검색 결과가 없습니다.

인공위성 활용한 농업관측 시험연구 :논벼 작황조사

N/A
N/A
Protected

Academic year: 2021

Share "인공위성 활용한 농업관측 시험연구 :논벼 작황조사"

Copied!
187
0
0

로드 중.... (전체 텍스트 보기)

전체 글

(1)연구자료 D308│2011. 2. 인공위성 활용한 농업관측 시험연구 - 논벼 작황조사-. 원 내. 원 외. 한 석 호 김 배 성 김 경 필 김 재 환 김 말 징 허 준 Lucy Randall Sarah Bruce Sonja Nikolova Kenton Lawson 오 병 철 서 진 원 정 병 순. 연구위원 연구위원 연구위원 전문연구원 연구원 연세대학교 ABARES ABARES ABARES ABARES (주)해강 (주)해강 (주)해강.

(2) 연구 담당 한 석 호 김 배 성 김 경 필 김 재 환 김 말 징 허 준 Lucy Randall Sarah Bruce Sonja Nikolova Kenton Lawson 오 병 철 서 진 원 정 병 순. 연구위원 연구위원 연구위원 전문연구원 연구원 연세대학교 ABARES ABARES ABARES ABARES (주)해강 (주)해강 (주)해강. 연구총괄 연구관리 연구관리 사업관리, 집필 자료정리 미국 사례조사 호주 사례조사 호주 사례조사 호주 사례조사 호주 사례조사 영상분석 연구총괄, 집필 영상분석 자료수집, 집필 영상분석 자료수집, 집필.

(3) i. 머 리 말. 미국, 유럽 등 선진국들은 1970년대부터 원격탐사 기술을 주요 농산물의 작 황을 판독하고, 단수를 산출하는데 활용해 왔으며, 이를 위해 Terra와 Aqua 위 성으로 제작된 MODIS 영상이 폭넓게 이용되어 왔다. 최근 우리나라에서도 다 양한 기관에서 재배면적과 단수 판독에 위성을 활용하기 시작했으며, 농업관측 업그레이드를 위해 5년차 연구사업이 진행 중이다. 2009년 고해상도 영상을 활용한 재배면적 산출에 이어 농업관측에 필수적인 작황 판독을 위해 국제적으로 활발히 활용되었던 저해상도 MODIS 영상을 이 용한 작황 판독 시험연구를 2년차 사업으로 추진하게 되었다. 우리나라의 경우 원격탐사 기술의 농업분야 활용은 농촌진흥청과 통계청을 중심으로 재배면적 산출에 집중되고 있으며, 작황의 경우에는 단순 식생지수를 판독하는데 한정되 어 있어, 그 정확성에 한계가 있는 것이 사실이다. 이 연구보고서는 형식적인 작황 판단을 위한 단순 식생지수 산출에 머무르지 않고, 상관관계를 통한 지역별 그룹화, 계량경제모델에서의 변수 활용 등 농업 관측 업무에 실제 활용할 수 있는 방안을 마련하는 데 초점을 맞추었다. 따라서 본 연구를 시작으로 관측업무에 실제 활용할 수 있는 기상변수와 통 합된 식생지수의 작황모형을 개발하여 정확한 단수 전망을 체계적으로 제공할 수 있기를 기대한다.. 2011. 2. 한국농촌경제연구원장 오 세 익.

(4)

(5) iii. 요. 약. 본 연구는 선진국보다 위성활용이 늦은 우리나라 농업관측 분야에서 원격탐 사 기술을 도입하기 위한 시범 연구로 수행되었다. 특히, 2010년 사업은 관측 을 위한 작황 판독업무에 초점을 맞추어 수행되었다. 기존의 쌀 작황 관측 업무에서는 표본농가 또는 지역자문위원에 대한 설문 조사 방식이 중요한 비중을 차지해 왔다. 또한, 통계청은 표본 설계된 포전에서 직접 벼 이삭을 세는 방식을 활용하였다. 그러나 윈격탐사 기술을 이용할 경우 넓은 면적에 대해 실시간으로 작황을 판독할 수 있고, 위성영상만 확보할 수 있다면 몇 번이고 다시 산출할 수 있는 장점이 있다. 따라서 신속성과 정확성 이 생명인 관측업무의 성공적인 수행을 위해 위성 기술 활용이 필수적인 것으 로 부각되어 왔다. 우선 원격탐사 기술을 도입해 단수 모형을 개발하기 위해서는 단수를 가장 잘 설명할 수 있는 단위의 단수모형 개발이 필수적이다. 그러나 이전의 많은 연구가 행정단위 또는 전국단위로 모형을 개발했고, 동시에 유의성이 높지 않 은 단수모형에 만족해야 했다. 본 연구에서는 관측업무의 정확성을 위해 최대 한 유의성이 높은 단수모형을 개발해야 하며, 이를 위해 적정 규모의 단수 모 형 단위를 판단할 필요가 있다. 이를 위해 과거 위성영상 자료를 활용하여 산출된 식생지수와 실제 통계청 의 쌀 작황조사 자료를 비교하여 단순상관계수를 산출하였다. 광역시와 제주자 치도 등 8개 시도를 제외한 전국을 대상으로 250m해상도의 MODIS 위성영상 을 사용하여 분석하고 상관관계를 확인한 결과, 연평균 기온으로 분할된 몇 개.

(6) iv 의 모형을 개발하는 것이 식생지수와 쌀 단수와의 관계를 도출하는데 더 적합 한 것으로 나타났다. 분석결과 영상선정에서는 8 ~ 9월 초 영상이 식생지수를 산출하는데 용이한 것으로 확인되었으며, 이 중 기상조건이 좋지 않은 8월보다는 9월초 영상을 사 용하는 것이 실제 업무에 더 용이할 것이라는 결과가 나왔다. 이 후 연구수행은 실제 2010년 전국 쌀 단수를 산출하기 위해 다음의 과정으 로 진행되었다. 1) MODIS 위성영상 및 쌀 작황조사 자료 등의 자료수집, 2) MODIS 위성영상 기하보정, 논경지 추출 등 수집한 자료 정비, 3) 구축한 기초 자료를 이용한 식생지수 산출, 4) 과거자료(2008, 2009년)를 이용한 모형개발, 5) 2010년 식생지수를 이용한 단수 추정 등의 순서로 진행되었다. 연구 결과, 위성영상을 이용한 벼 작황조사의 가능성은 입증되었으나 1) 기 상조건(구름)에 의한 위성영상 수급의 문제점, 2) 정확한 논경지 추출의 문제 점, 3) 단수 모형의 유의성 한계 등의 문제점이 나타나게 되었다. 이러한 문제점으로 해소하고 쌀 단수모형을 개발하기 위해 2011년에도 연구 를 계속할 예정이다. 2011년 연구는 짧은 시계열자료에도 모형을 개발하기 위 해 어떠한 방법을 활용할 것인지? 2010년과 같은 기상 이변에도 유의한 단수를 추정해 낼 수 있는 안정적인 모형을 구성할 것인지 등에 초점을 맞추어 갈 예 정이다..

(7) v. ABSTRACT. A Pilot Study on Estimating Rice Yield with Satellite Images The purpose of this study is to conduct a pilot study on estimating rice yield by using satellite images. Many developed countries including the United States and the European Union have been using satellite images to produce agricultural statistics and outlook analysis. In Korea, some institutions have used satellite images for their analysis. In this paper, we estimated rice yield by using satellite images. We choose rice on this study as one of target commodities. Because the yield of rice can easily be identified by using remote sensing technology. and Among the satellite images, MODIS satellite images were used, since these were free and widely used for estimating yield of major crops such as rice, wheat, soybean and or so in many countries. The method used to classified national area for estimating national rice yield was based on a simple correlation between the county rice yield statistics and the county average NDVI(Normalized Difference Vegetation Index) extracted from Satellite images. We found that the accuracy of estimating yield depended on an average temperature for one year. So We divided a nation into 5 sectors with isotherm and tried to develop 5 yield functions with NDVI. This study showed that remote sensing technology can actually be used to estimate rice yield. However, There is also a problem to get the clear MODIS images in appropriate time because these were easily affected by cloud. To solve this problem, it is necessary to consider using Radar Satellite images or alternatives. Researchers: Sukho Han, Baesung Kim, Kungpil Kim, Jaehwan Kim, Marljing Kim Research period: 2010. 4. - 2011. 2. E-mail: shohan@krei.re.kr, bbskim@krei.re.kr, kkpil@krei.re.kr, jhkim74@krei.re.kr, kimmarljin@krei.re.kr.

(8)

(9) vii. 차. 례. 제1장 서론 1. 연구의 배경 및 필요성 ················································································ 1 2. 연구의 목적 및 범위 ··················································································· 3 3. 연구의 기대효과 ··························································································· 6 제2장 사례분석 1. 작황판독 연구 사례 ····················································································· 8 2. 미국 공공 및 민간 분야의 위성영상 기반 곡물 작황 조사 및 예측 모델링 현황 ·············································································································· 15 3. 인공위성 정보를 활용한 호주의 쌀 작황조사 현황 및 전망 ··············· 16 제3장 연구자료와 분석방법 1. 연구자료 ······································································································ 17 2. 기초자료 구축 ····························································································· 24 3. 식생지수 추출 ····························································································· 27 제4장 단순상관계수 분석 1. 전국단위 단순상관계수 분석 ···································································· 32 2. 행정구역별 단순상관계수 분석 ································································· 34 3. 등온선별 단순상관계수 분석 ···································································· 39 4. 최종 영상 및 분류방식 선정 ···································································· 43 5. 2010년 식생지수와 예측 단수간의 단순상관계수 ·································· 44 6. 결론 및 고려사항 ······················································································· 45.

(10) viii. 제5장 쌀 작황예측모형 개발 ········································································ 47 제6장 결론 및 고려사항 ················································································ 49. 부록 1. 미국 공공 및 민간 분야의 위성영상 기반 곡물 작황 조사 및 예측 모델링 현황 ·························································································· 51 부록 2. 인공위성 정보를 활용한 호주의 쌀 작황조사 현황 및 전망 ········· 85 부록 3. MODIS 위성영상 검색결과 ······························································ 103 부록 4. 쌀생산량 자료 ····················································································· 109 부록 5. 식생지수 추출 ····················································································· 118 부록 6. 2010년 8월 영상 검색 결과 ····························································· 144 부록 7. 2010년 9월 영상 검색 결과 ····························································· 151 부록 8. MODIS(Moderate Resolution Imaging Spectrometer) ····················· 155 부록 9. Landsat(Multi-spectral Scanner, Thematic Mapper) ························ 156 부록 10. RapidEye ··························································································· 158 부록 11. CBERS(China-Brazil Earth Resources Satellite program) ············ 159 부록 12. NDVI(Normalized Difference Vegetation Index) ·························· 162 참고문헌 ············································································································ 167.

(11) ix. 표 차 례. 제3장 표 3-1. MODIS 위성영상 수집 현황 ·························································· 18 표 3-2. 2010년 8월 영상 검색 결과 ··························································· 19 표 3-3. 2010년 9월 영상 검색 결과 ··························································· 20 표 3-4. MODIS 위성영상 재원 ··································································· 21 표 3-5. 보유 행정경계 ·················································································· 24 표 3-6. 식생지수 범례 ·················································································· 28 표 3-7. 근적외선과 적외선의 범례 ····························································· 28 제4장 표 4-1. 전국 단순상관계수 분석 시군구 수량 ·········································· 33 표 4-2. 전국 단순상관계수 분석 결과 ························································ 33 표 4-3. 행정구역별 단순상관계수 분석 결과 ············································ 35 표 4-4. 부정확한 식생지수 원인분석 ·························································· 36 표 4-5. 영상별 부정확한 식생지수 원인별 분포현황 ······························· 37 표 4-6. 영상별 분석적용 시군구 수량 ························································ 40 표 4-7. 식생지수 정비 전 등온선별 단순상관계수 분석 결과 ················ 41 표 4-8. 식생지수 정비 후 등온선별 단순상관계수 분석 결과 ················ 42 표 4-9. 단순상관계수 분석 적용 영상 ························································ 43 표 4-10. 분석내용 내용 및 결과 ··································································· 43 표 4-11. 최종영상 및 분류방식 선정 ··························································· 44 표 4-12. 등온선별 단순상관계수(2010년) ····················································· 45.

(12) x. 그 림 차 례. 제1장 그림 1-1. 연구 목적 및 범위 ········································································· 5 제2장 그림 2-1. Raster Masking을 활용한 논구역 정보 추출 ······························ 9 그림 2-2. NDVI와 벼 수량과의 관계 검토 ··············································· 10 그림 2-3. 뉴럴네트워크 기법 ······································································· 11 그림 2-4. MODIS위성영상 자료를 활용한 작황량 운영예측 ·················· 12 그림 2-5. 원격탐사 자료를 이용한 밀 재배면적 추정 ····························· 13 그림 2-6. 벼 생육정보 주제도 ····································································· 14 제3장 그림 3-1. 2010년 8월21일 영상 ·································································· 20 그림 3-2. 2010년 9월17일 영상 ·································································· 21 그림 3-3. 환경부 중분류 토지피복분류도 ·················································· 22 그림 3-4. 2008, 2009년 통계청 수확량 자료 ············································ 23 그림 3-5. 행정경계 자료 ·············································································· 23 그림 3-6. MODIS위성영상 기하보정 구축 과정 ······································· 25 그림 3-7. 논경지 추출 구축 과정 ······························································· 26 그림 3-8. 모델링을 통한 식생지수 추출 구축 과정 ································· 28 그림 3-9. 논경지 해당 식생지수 추출 구축 과정 ····································· 29 제4장 그림 4-1. 구름으로 인한 부정확한 식생지수 예시 ··································· 36 그림 4-2. 비닐하우스로 인한 부정확한 식생지수 예시 ··························· 36.

(13) xi 그림 4-3. 논경지차이로 인한 부정확한 식생지수 예시 ··························· 37 그림 4-4. 영상별 부정확한 식생지수 원인별 분포현황 ··························· 38 그림 4-5. 연평균 등온선도를 이용한 분류 구축 과정 ····························· 40.

(14) xii. 부 표 차 례. 부 록 2 부표 2-1. 구역별 주 작물, 호주 통계청의 2005~06년 농업 센서스 ····· 87 부표 2-2. 호주에서 작물 지역별 작물 판독에 통상적으로 사용되는 위성 원격탐사장치 ················································································ 90 부표 2-3. 위성 원격탐사장치 및 작물 산출량 예측을 보조하는 시스템 ·· 101 부 록 3 부표 3-1. MODIS 위성영상 검색 결과 ···················································· 103 부 록 4 부표 4-1. 2008, 2009, 2010년 시군구별 백미 10a당 평균 수량 ··········· 109 부 록 5 부표 5-1. 모델링을 통한 식생지수 추출 결과 ········································ 118 부표 5-2. 농경지해당 식생지수 추출 결과(2008년) ································ 123 부표 5-3. 농경지해당 식생지수 추출 결과(2009년) ································ 130 부 록 6 부표 6-1. 2010년 8월 영상 검색 결과 ····················································· 144 부 록 7 부표 7-1. 2010년 9월 영상 검색 결과 ····················································· 151.

(15) xiii. 부 록 12 부표 12-1. 나뭇잎의 분광반사특징 ··························································· 162 부표 12-2. 식물의 분광반사특성 ······························································· 164.

(16) xiv. 부 도 차 례. 부 록 1 부도 1-1. USDA 조직도 ··············································································· 51 부도 1-2. CDLP 원천자료 ············································································ 53 부도 1-3. CDLP 생산과정 ············································································ 53 부도 1-4. CDLP ····························································································· 54 부도 1-5. Landsat 영상현황 ········································································· 54 부도 1-6. Program Timeline ········································································· 55 부도 1-7. 완성된 CDLP 자료 ······································································ 56 부도 1-8. CDLP 제작 개념도 ······································································ 56 부도 1-9. 미국 전역의 식생 상태도 ··························································· 57 부도 1-10. GLAM의 기후 변화 위험 감시 ················································· 58 부도 1-11. GLAM의 장기 모니터링 ····························································· 58 부도 1-12. GLAM의 식생지수 영상 ····························································· 60 부도 1-13. CropExprorer의 MODIS RR ······················································· 61 부도 1-14. MODIS RR을 이용한 Nargis 폭풍 피해 예측 및 평가 ·········· 61 부도 1-15. GLAM의 장기간 데이터 취득 ··················································· 62 부도 1-16. 세계 저수지 및 호수 수위 모니터링 ········································ 63 부도 1-17. 2000 / 2001 파키스탄 밀생산 보고서 ······································ 63 부도 1-18. 2009년 NAIP 현황 ······································································ 64 부도 1-19. 2008년 Tennessee의 NAIP ························································· 65 부도 1-20. 2007년 NAIP 활용분야 ······························································· 66 부도 1-21. CEAP ···························································································· 69 부도 1-22. RSAC 소개자료 ··········································································· 69 부도 1-23. MODIS Active Fire Mapping Program ····································· 70 부도 1-24 2010 MODIS Active Fire Detection ··········································· 71.

(17) xv 부도 1-25. 2007년 MODIS로 촬영한 Central Idaho의 화재사진 ············ 71 부도 1-26. MTBS의 Burn Severity 결과도 ················································ 72 부도 1-27. 지상관측 및 원격탐사 자료 모델링 ········································ 73 부도 1-28. 토양 습도 확인 네트워크 구축 ················································ 74 부도 1-29. 수변구역에 영향을 미치는 변수 분석 ····································· 75 부도 1-30. 위험도 평가 모델링 ··································································· 75 부도 1-31. 곡물 단수 예측 ·········································································· 76 부도 1-32. Lanworth사의 홈페이지 ····························································· 77 부도 1-33. Lanworth 활용 데이터 ······························································· 78 부도 1-34. CROPCAST Commodity Forecast System의 개념도 ············· 79 부도 1-35. 중국의 옥수수 재배 및 예측도(좌) / 중국 상동주 년수확량 분석표 ························································································· 80 부도 1-36. 브라질의 콩 단수 예측지역(상) ··············································· 80 부도 1-37. 브라질의 콩 단수 예측도(하) ··················································· 81 부도 1-38. 브라질의 콩 재배면적 예측(좌) / 생산량 예측(우) ··············· 81 부도 1-39. 아르헨티나의 콩(좌)과 옥수수(우) 생산량 예측 ···················· 82 부도 1-40. 미국의 밀 재배량(좌)과 생산량(우) 예측 ······························· 83 부도 1-41. 미국의 작황지 홍수현황도 ························································ 83 부 록 2 부도 2-1. 호주 농업의 위치와 범위 ··························································· 86 부도 2-2. 호주의 소 분포 ············································································ 88 부도 2-3. 호주의 양 분포 ············································································ 88 부도 2-4. 토지피복 버전 1 2000-08(Geoscience Australia 및 ABARES) ··· 94 부도 2-5. 중기 작물 예측 시스템 ······························································· 99 부도 2-6. 장기 작물 예측 시스템 ····························································· 100.

(18)

(19) 1. 제. 1. 장. 서 론. 1. 연구의 배경 및 필요성. ○ 위성영상과 항공사진 등을 이용한 원격탐사(Remote Sensing) 기술은 짧은 시간 내에 비교적 넓은 면적에 대한 정밀한 자료를 획득할 수 있어 미국 등 의 선진국에서는 이미 오래 전부터 주요 농산물의 재배면적과 작황을 산출 하는데 활용되어 왔음. ○ 국내에서도 2006년에 공간해상도 1m급의 지구관측위성인 아리랑 2호 (Kompsat-2)가 발사되어 고해상도 위성영상 자료가 공급되기 시작하면서 외국산에 비해 저렴한 가격을 바탕으로 다양한 분야에서 위성영상의 활용 이 증대하고 있음. ○ 그 동안 선진국에 비해 원격탐사 기술이 비교적 활발하게 적용되지 못했던 농업분야에서도 최근 들어 위성영상 자료를 이용한 연구와 시범 사업이 활 발히 추진되고 있음..

(20) 2 ○ 원격탐사 기술을 농업분야에 활용하기 위한 시도는 농촌진흥청을 중심으로 기술적인 분야에서 우선적으로 시작되었고, 통계청에서도 농업통계 분야에 서 시범 사업을 통해 중장기적인 추진계획을 수립하고 있음. ○ 한편, 수산업 분야에서는 한국해양수산개발원 수산관측센터를 중심으로 2004년부터 해상 양식장 시설량 판독과 양식물 생산량 추정에 위성영상을 활용해오고 있음. ○ 농업관측 업무에 원격탐사 기술을 도입하기 위한 선행 연구를 통해 비교적 원격탐사 기술 적용이 용이한 것으로 파악된 벼 재배면적을 산출하는 시범 연구를 수행한 결과 발견된 문제점 등을 감안하여 현 시점에서 위성자료를 활용한 벼 작황조사의 기술적 검토가 필요한 시점임..

(21) 3. 2. 연구의 목적 및 범위. 2.1. 연구의 목적 ○ 본 연구는 선진국에 비해 원격탐사 기술 도입이 이루어지지 못한 농업관측 분야에서 원격탐사 기술을 도입하기 위한 시험 연구임. 이를 위해 재배면적 조사와 함께 작황 조사에 위성 영상을 활용하는 방안을 연구 중임. ○ 2015년 “위성을 활용한 관측업무 실용화”를 목표로 그에 적합한 단수(작황) 모형과 업무 프로세스를 시험적으로 구축할 수 있는 기반을 마련하기 위해 위성영상을 분석하여 연구 기초자료로 획득하는데 그 목적이 있음. ○ 위성영상을 이용한 논벼 작황조사는 기초 통계자료 구축과 논벼 재배지역 산출, 식생지수 산출, 식생지수와 쌀생산량과의 단순상관계수 산출을 수행 하는 데 그 범위를 두고 있으며, 궁극적으로는 단수 모형을 개발하는데 목 적이 있음. 이를 위해 최종영상과 지역 분류방식을 선정하여 최적의 2010년 식생지수를 추출할 수 있도록 노력함. ○ 위성영상으로는 다양한 영상이 검토되었으나 경제성과 범용성 등을 검토하 여 무상으로 확보가 가능한 미국 NASA의 MODIS 위성영상을 사용하여 시 험연구를 추진함..

(22) 4. 2.2. 연구 범위 2.2.1. 연구 수행범위 ○ 연구수행을 위한 기본자료 확보 및 구축을 위해 MODIS 위성영상, 토지피 복분류도, 행정경계 등으로 자료를 수집하여 데이터베이스화하였으며, 지역 별 작황 판독을 위한 식생지수(NDVI)를 산출에 활용함. ○ 식생지수 산출은 본 연구의 핵심 내용으로 대상지역(전국의 군별)에 대해 확보된 MODIS위성영상을 처리하고, 모델링을 통해 지수를 산출함. 특히, 전체 면적에 대한 식생지수를 산출하지 않고, 논경지에 해당하는 부분에 대 해서만 식생지수만을 추출하여 신뢰도를 높이고, 전체 모형의 유의성을 향 상토록 함. ○ 과거 작황통계 자료를 이용하여 식생지수와의 단순상관계수를 분석함으로 서 식생지수의 작황설명 능력을 검토함. 2008, 2009년 식생지수와 통계청의 쌀 단수 조사 결과(단위면적당 생산량 통계자료)를 이용한 단순상관계수를 분석함. ○ 분석되는 단순상관계수는 여러 영상 중 최종 영상을 선정하고, 지역 분류방 식을 통해 산출함. 지역분류는 전국, 도단위 행정구역, 등온선 등의 다양한 분류방식을 시도하여 이중 유의성이 가장 좋은 방식을 선택함. ○ 본 연구의 최종업무는 2010년 식생지수 산출과 단수모형 개발을 통해 2010 년 논벼 단수를 추정하는 것 임. 이를 위해 2010년 위성영상 중 구름 등이 적어 영상의 선명도가 높은 영상 중에서 작황을 가능한 정확히 파악할 수 있는 등숙기 직전 시기의 것을 선정하여 식생지수를 산출함..

(23) 5 그림 1-1. 연구 목적 및 범위. 2.2.2. 연구 수행방법 ○ 연구수행에 필요한 위성영상, 토지피복분류도, 행정경계를 영상 처리된 MODIS 위성영상과 통합하여 식생지수를 산출함. 특히, 식생지수를 산출하 는 지역은 임야, 도시지역 등을 제외하여 농경지에 대한 식생지수만을 선별 하여 산출함. ○ 식생지수와 쌀단수 통계자료간의 단순상관계수를 산출하여, 가장 상관도가 높은 시기의 영상을 선택하고, 각 지역별 분류방식도 행정구역으로 할지, 아니면 다른 분류방식을 할지 결정함..

참조

관련 문서

이 연구를 수행한 본원의 조성봉 선임연구위원에게 감사의 말씀을 드린다. 또한 이 연구보고서가 나오기까지 많은 문헌 및 자료정리에 수고를 아끼지 않은

정책적으로 기상여건에 영향을 많이 받는 김장채소 수급 안정을 위해 기상 및 농업관측 강화, 기상피해에 대한

Ÿ 조기경보시스템: 지리정보시스템(GIS), 정보통신기술(ICT) 및 원격탐사(remote sens- ing) 기술 이용하여 극한 기상에 적응하기 위한 선제적 준비함으로써 농사

캐나다와 호주는 연구를 통해 꿀벌의 화분 매개 가치를 크게 평가하고 있으며, 일본은 벌꿀 생산보다는 화분 수정 효율화를 위한 정책에 더 집중하고 있음..

현재는 사용후핵연료 직접처분을 위한 연구를 진행 중으로서, 특히, 처분시스템에 대한 부지특성모델 구축 기술을 개발하여 장기 현장시험 중이며, 처분시스템의

게임화를 활용한 첼로 프로그램의 개발을 위하여 선행 연구를 통한 게임화의 정 의와 게임 요소들을 알아본다 그리고 게임화를 활용한 교육 사례들을 참고하여

- LED는 현재 시장에서 팔리고 있으나 지속적인 효율 향상을 위한 연구를 수행중 이며, OLED는 면(면광원) 형태의 조명에 대한 연구를 수행중이며, ESL은 미국에 서

○ 스트로볼리안 분화와 플리니안 분화의 디지털 홀로그램 제작 기술 연구 - 홀로그램 제작에 관한 선행 연구를 통한 홀로그램 개념을 정립한다. - 레이저 커팅기를